Implementação de metamodelo para previsão de carga em mancal de escora de compressores de parafuso

DSpace Repository

A- A A+

Implementação de metamodelo para previsão de carga em mancal de escora de compressores de parafuso

Show full item record

Title: Implementação de metamodelo para previsão de carga em mancal de escora de compressores de parafuso
Author: Holthausen, Clara
Abstract: Compressores de parafuso com injeção de óleo são amplamente utilizados na indústria de óleo e gás, e a análise das cargas atuantes no mancal de escora é essencial para garantir a confiabilidade e o desempenho desses equipamentos. A obtenção dessas cargas por meio de simulações numéricas de alta fidelidade apresenta elevado custo computacional, ao passo que sua medição direta em campo impõe obstáculos técnicos e logísticos consideráveis. Diante desse cenário, o presente trabalho propõe a implementação de um metamodelo para a previsão da carga axial no mancal de escora do rotor macho de um compressor de parafuso empregado em uma Unidade de Recuperação de Hidrogênio. O metamodelo foi desenvolvido a partir de dados gerados por simulações utilizando um modelo determinístico, validadas por meio de simulações de Dinâmica dos Fluidos Computacional (CFD), e emprega regressão simbólica para a obtenção de uma expressão analítica que relaciona as variáveis operacionais à carga axial resultante. A reação no mancal foi determinada pela composição da força do gás, prevista pelo metamodelo, com a força do pistão de balanceamento, calculada analiticamente a partir das pressões de óleo e da geometria do pistão. A aplicação do metamodelo a dados reais de monitoramento da unidade revelou que a operação em baixas capacidades de slide-valve pode sobrecarregar o mancal de escora do rotor macho em seu lado inativo, com reações superiores ao limite nominal estabelecido na folha de dados do equipamento. Os resultados demonstram o potencial do metamodelo como sensor virtual integrado a sistemas de monitoramento em tempo real, contribuindo para o desenvolvimento de ferramentas eficientes de apoio à operação de compressores de parafuso lubrificados em aplicação de óleo e gás.Oil-injected screw compressors are widely used in the oil and gas industry, and analyzing the loads acting on the thrust bearing is essential to ensure the reliability and performance of this equipment. Getting these loads through high-fidelity numerical simulations has a high computational cost, while measuring them directly in the field involves significant technical and logistical challenges. Given this, the present work proposes a metamodel to predict the axial load on the male rotor thrust bearing of a screw compressor used in a Hydrogen Recovery Unit. The metamodel was built from data generated by simulations using a deterministic model, validated through Computational Fluid Dynamics (CFD) simulations, and it uses symbolic regression to obtain an analytical expression relating the operating variables to the resulting axial load. The bearing reaction was found by combining the Gas Force, predicted by the metamodel, with the Balance Piston Force, calculated analytically from the oil pressures and piston geometry. Applying the metamodel to real monitoring data from the unit showed that operating at low slide-valve capacities can overload the male rotor thrust bearing on its inactive side, with reactions higher than the nominal limit set in the equipment's Data Sheet. The results show the potential of the metamodel as a virtual sensor integrated into real-time monitoring systems, helping to develop efficient tools to support the operation of oil-lubricated screw compressors in oil and gas applications.
Description: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Araranguá, Engenharia de Energia.
URI: https://repositorio.ufsc.br/handle/123456789/274024
Date: 2026-06-26


Files in this item

Files Size Format View Description
TCC_Clara_%284%29_assinado.pdf 12.08Mb PDF View/Open TCC

This item appears in the following Collection(s)

Show full item record

Search DSpace


Advanced Search

Browse

My Account

Statistics

Compartilhar